一个基于卷积神经网络的定量完整血清散射图映射框架,可以迅速选具有高灵敏度的急性肌肉细胞白血病

科学领域:

• 血液学 血液学 血液学
• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断

背景情况:

• 急性肌肉细胞白血病 (APL) 是急性肌肉细胞白血病 (AML) 的可治愈但迅速致命的亚型,如果不及时治疗.
• 早期发现APL对于预防致命结果至关重要.

研究的目的:

• 开发一个创新的框架,使用ResNet-18卷积神经网络 (CNN) 量化绘制完整血清 (CBC) 分散图,用于早期APL检测.
• 快速而有力地表明可能对APL的敏感性.

主要方法:

• 开发了一个CNN框架 (ResNet-18) 来分析CBC散射图.
• 该模型被训练并测试了来自APL患者,非APLAML患者和健康对照者的数据,使用五倍交叉验证.
• 对独立数据集进行了外部验证,以确认框架的敏感性和特异性.

主要成果:

• 在所有交叉验证折叠中,CNN框架实现了曲线下的面积和平均精度>0.99.
• 该模型正确标记了95%的APL散射图,超过了已建立的CBC审查规则.
• 外部验证证实了高灵敏度和特异性,证明了框架的稳定性.

结论:

• 这种基于CNN的框架是第一个利用常规CBC散射图分析以高准确度用于早期APL检测的框架.
• 拟议的CBC工作流整合了这一框架,用于最早可能的APL标志的形态审查.
• 该方法为早期APL查提供了一种敏感,特定和准确的方法,可能是在细胞图像分析之前.